Text Analytics é um serviço de IA do Azure que fornece processamento avançado de linguagem natural (NLP) em texto bruto e inclui as seguintes funções principais:
- Sentiment Analysis
- Named Entity Recognition
- Linked Entity Recognition
- Personally Identifiable Information (PII) Entity Recognition
- Language Detection
- Key Phrase Extraction
- Multiple Analysis
- Healthcare Entities Analysis
Abaixo está um exemplo de como você pode criar um recurso Text Analytics usando a Azure CLI:
# Fazer login no Azure no terminal
az login# Criar um Resource Group no Azure
az group create --name rg-ai --location eastus# Criar o recurso Text Analytics no Azure
# obs.: usar sku "S" se "F0" não disponível
az cognitiveservices account create --name text-analytics-rs --resource-group rg-ai --kind TextAnalytics --sku F0 --location eastus --yesEndpoint e API key serão necessários para autenticação do client no Python, obtidos utilizando o Azure CLI:
# Pegar o endpoint do text analytics
az cognitiveservices account show --name "text-analytics-rs" --resource-group "rg-ai" --query "properties.endpoint"Exemplo endpoint: "https://eastus.api.cognitive.microsoft.com/"
# Pegar a API Key do text analytics
Exemplo API Key: { "key1": "3269************************71cb" }
Instalação do SDK do Azure Text Analytics para o Python usando pip:
pip install azure-ai-textanalyticsAnalisa o texto de entrada e determina se seu sentimento é positivo, negativo ou neutro. Sua resposta inclui análise de sentimento por frase e pontuações de confiança.
Ver código de exemplo em Python usando SDK: Sentiment-Analysis
from azure.core.credentials import AzureKeyCredential
from azure.ai.textanalytics import TextAnalyticsClient
# pega as Credenciais do recurso Text Analytics no Azure
credential = AzureKeyCredential("3269************************71cb")
endpoint = "https://eastus.api.cognitive.microsoft.com/"
# client do TextAnalytics
textAnalyticsClient = TextAnalyticsClient(endpoint, credential)
# frases (sentenças) para serem analisadas
documents = [
"Não gostei do restaurante. A comida era de alguma forma muito picante e pouco temperada. Além disso, achei que o local era muito longe do teatro.",
"O restaurante foi lindamente decorado. A atmosfera era diferente de qualquer outro restaurante que já estive.",
":)",
":(",
"O Restaurante não era nem bom nem ruim."
"A comida era gostosa."
]
# pega o retorno da Análise de Sentimentos guardando apenas os resultados que não retornaram erros
response = textAnalyticsClient.analyze_sentiment(documents, language="pt")
result = [doc for doc in response if not doc.is_error]
# apresenta o Resultado da Análise de Sentimentos realizada pelo "Azure Text Analytics"
print("Análise de Sentimento - Resultados obtidos:\n")
i = 0
for doc in result:
print("Sentença analisada: \"{}\"".format(documents[i]))
print("Sentimento geral: {}".format(doc.sentiment))
print("Scores: positivo={}; neutro={}; negativo={} \n".format(
doc.confidence_scores.positive,
doc.confidence_scores.neutral,
doc.confidence_scores.negative
))
i += 1A extração de frase-chave identifica os principais pontos do texto de entrada. Por exemplo, para o texto de entrada “A comida estava deliciosa e havia uma equipe maravilhosa”, a API retorna: “comida” e “equipe maravilhosa”.
Ver código de exemplo em Python usando SDK: Key-Phrase-Extraction
from azure.core.credentials import AzureKeyCredential
from azure.ai.textanalytics import TextAnalyticsClient
# pega as Credenciais do recurso Text Analytics no Azure
credential = AzureKeyCredential("3269************************71cb")
endpoint = "https://eastus.api.cognitive.microsoft.com/"
# client do TextAnalytics
textAnalyticsClient = TextAnalyticsClient(endpoint, credential)
# frases (sentenças) para serem analisadas
documents = [
"Não gostei do restaurante. A comida era de alguma forma muito picante e pouco temperada. Além disso, achei que o local era muito longe do teatro.",
"O restaurante foi lindamente decorado. A atmosfera era diferente de qualquer outro restaurante que já estive.",
"A comida era gostosa."
]
# pega o retorno da Análise guardando apenas os resultados que não retornaram erros
response = textAnalyticsClient.extract_key_phrases(documents, language="pt")
result = [doc for doc in response if not doc.is_error]
# apresenta o Resultado da Análise realizada pelo "Azure Text Analytics"
print("Extração de Frase-Chave - Resultados obtidos:\n")
for doc in result:
print(doc.key_phrases)Bons estudos! - André Carlucci